Współczynniki wyrażone jako ilorazy szans

W poprzednim ćwiczeniu dopasowano model regresji logistycznej dla prawdopodobieństwa zmiany studni w zależności od poziomu arsenic. W tym ćwiczeniu sprawdzisz, jak inna zmienna – distance100 – wiąże się z prawdopodobieństwem zmiany studni, oraz nauczysz się interpretować wartości współczynników jako ilorazy szans.

Przypomnij sobie, że model regresji logistycznej operuje na logarytmie ilorazu szans. Aby uzyskać, ile razy zmieniają się szanse przy jednostkowym wzroście x, należy wyeksponencjować estymaty współczynników. Taka wartość jest nazywana ilorazem szans (ang. odds ratio).

Szanse to stosunek liczby zdarzeń do liczby brakujących zdarzeń. Na przykład szanse wygranej wynoszące 1/2, czyli 1 do 2 (1:2), oznaczają, że na każdą jedną wygraną przypadają 2 przegrane.

Zbiór danych wells jest wczytany w środowisku roboczym.

To ćwiczenie jest częścią kursu

Uogólnione modele liniowe w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj bibliotekę statsmodels oraz funkcję glm z statsmodels.formula.api. Zaimportuj również numpy jako np.
Korzystając z glm(), dopasuj model regresji logistycznej, w którym switch jest przewidywane na podstawie distance100.
Wyodrębnij współczynniki modelu za pomocą .params.
Oblicz mnożnikowy efekt na szanse, używając funkcji exp() z biblioteki numpy.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Load libraries and functions
import ____.api as sm
from ____.____.api import glm
import ____ as ____

# Fit logistic regression model
model_GLM = ____(formula = ____,
                data = ____,
                family = ____.____.____).____ 

# Extract model coefficients
print('Model coefficients: \n', ____.____)

# Compute the multiplicative effect on the odds
print('Odds: \n', np.____(____.____))

Edytuj i uruchom kod